Pre-training on noncovalent interactions in synthetic protein-ligand structures to better predict binding affinity

Motivation

• Known: GNN 및 equivariant GNN 기반 방법(EIGN, PLAIG 등)이 원자 좌표로부터 직접 표현을 학습해 structure-based binding affinity 예측에 활용되어 왔으며, 최근 AlphaFold, Boltz 등 구조 예측 모델을 통해 대규모 합성 protein-ligand 구조 데이터(SAIR)가 확보되기 시작했다.
• Gap: 기존 그래프 기반 모델은 protein-ligand 복합체를 homogeneous atom-level 그래프로만 표현해 π-π stacking, cation-π 등 방향족 고리가 매개하는 noncovalent interaction의 화학적 계층 구조를 무시하며, self-supervised pretraining은 대규모 3D 구조 코퍼스 부재와 2D 분자 그래프/SMILES 중심 전략으로 인해 binding affinity 예측에 충분히 적용되지 못했고, 원자 특성화도 element type의 one-hot 인코딩에 그쳐 국소 3차원 화학 환경을 반영하지 못한다.
• Why: binding affinity의 정확한 예측은 virtual screening과 lead optimization을 포함한 rational drug design의 핵심 과제이므로, 방향족 고리 상호작용과 대규모 합성 구조 pretraining을 결합한 표현 학습은 제한된 실험 데이터를 가진 신약 표적에서도 예측 성능을 크게 향상시킬 잠재력을 가진다.
• Approach: ligand atom, protein atom, ligand ring, protein ring의 4가지 노드 타입과 hydrogen bond, hydrophobic, π-π stacking, cation-π 등 interaction-specific edge relation으로 구성된 heterogeneous equivariant graph transformer를 설계하고, SAIR의 5.1백만 합성 구조에서 interaction-type classification, interatomic distance regression, binding affinity prediction을 결합한 multi-task self-supervised objective로 사전학습한다.

Achievement

Figure 2. Pearson correlations of EIGN, PLAIG, PLIP-scratch, and PLIP-finetuned. The PLIP-finetune results shown here ar

1. 다중 표적 성능 향상: AChE, SARS-Mpro, Zika protease, μ-opioid receptor 4개 신약 표적에서 multi-task pretraining이 from-scratch 학습 대비 Pearson correlation을 AChE 0.667(+26%), Zika 0.490(+6%), μ-opioid 0.374(+32%), SARS-Mpro 0.255(+39%)로 향상시켰다.
2. 베이스라인 대비 우위: EIGN, PLAIG 등 경쟁 baseline과의 비교를 통해 protein-ligand interaction 기반 pretraining의 이점을 체계적으로 입증했다.
3. 새로운 데이터 분할 전략 도입: 소규모부터 대규모(606~7,108개)까지 다양한 크기의 affinity 데이터셋에 대해 PLEC-Butina라는 robust splitting strategy를 적용해 평가의 신뢰성을 높였다.

How

Figure 3. Comparison of PLIP-finetuned (bar plots) and PLIP-

• ODDT(Open Drug Discovery Toolkit)를 이용해 PDB/mmCIF 구조로부터 5.0 Å 거리 컷오프 내 noncovalent interaction(hydrogen bond, hydrophobic, salt bridge, π-stack, cation-π, π-metal, metal coordination, halogen bond, close-contact 등 9개 클래스)을 계산하여 heterogeneous graph의 edge attribute(9차원 multi-hot + 거리)를 구성
• Open Babel의 SSSR(smallest set of smallest rings)로 ring node를 추출하고 위치는 구성 원자 좌표의 평균으로 정의
• 각 원자의 국소 3차원 화학 환경을 포착하기 위해 22개 화학종에 대한 radial symmetry function 기반 352차원 Atomic Environment Vector(AEV)를 도입, cosine cutoff function과 k-d tree 기반 이웃 탐색으로 효율적으로 계산
• 노드 타입별 전용 선형 투영과 layer normalization으로 임베딩한 뒤 통합된 hidden dimension 공간에서 equivariant transformer layer stack을 통과시키는 backbone 설계
• interaction-type classification(9-way MLP, close-contact 클래스 마스킹), interatomic distance regression, binding affinity prediction의 세 가지 head를 이용한 multi-task self-supervised pretraining 수행 후 4개 표적에 대해 fine-tuning

Originality

• protein-ligand 복합체를 원자뿐 아니라 방향족 고리까지 명시적 노드로 포함하는 4-노드 타입 heterogeneous graph 표현을 제안한 점
• hydrogen bond, hydrophobic, π-π stacking, cation-π 등 상호작용 유형별로 세분화된 edge relation을 도입해 화학적 계층 구조를 그래프 구조에 직접 인코딩한 점
• 대규모 AI 예측 합성 구조(SAIR, 5.1백만 구조)를 활용해 3차원 구조 기반 self-supervised multi-task pretraining(interaction-type classification, distance regression, affinity prediction)을 최초로 결합한 시도
• AEV 기반 원자 특성화를 protein-ligand 상호작용 모델링에 적용해 국소 3차원 화학 환경 정보를 반영한 점
• PLEC-Butina라는 새로운 robust splitting strategy 제안

Limitation & Further Study

• 평가가 4개 표적에 국한되어 있어 더 폭넓은 표적 및 데이터셋에서의 일반화 가능성 검증이 필요함
• SAIR 데이터셋 자체가 AI 구조 예측 모델(Boltz 1x)로 생성된 합성 구조이므로, 실제 실험적으로 검증된 구조와의 차이(구조적 오류나 편향)가 pretraining 품질에 영향을 줄 수 있음
• SARS-Mpro와 같이 여전히 낮은 절대 Pearson correlation(0.255)을 보이는 표적이 존재해 특정 표적 특이적 어려움(예: 데이터 이질성, 결합 모드 다양성)에 대한 추가 분석이 필요
• 논문 발췌본에서는 ablation이나 각 pretraining objective(단일 vs 다중)의 개별 기여도에 대한 세부 분석이 충분히 제시되지 않아 후속 연구에서 각 구성 요소의 기여를 명확히 분리할 필요가 있음

Evaluation

총평: 방향족 고리와 상호작용 유형을 명시적으로 반영한 heterogeneous graph 표현과 대규모 합성 구조 기반 multi-task pretraining을 결합해 실제 신약 표적에서 의미 있는 성능 향상을 보인 견고한 연구이나, 평가 표적 수가 제한적이고 합성 데이터의 신뢰성에 대한 추가 검증이 필요하다.